我要投稿

好玩！腾讯开源个人肖像生成器PhotoMaker迎来更新

发布日期：2024-08-11 21:25:04 浏览次数： 2079

作者：带你学AI

微信搜一搜，关注“带你学AI”

腾讯的PhotoMaker是一款开源工具，利用堆叠ID技术生成逼真的定制人物照片。它可以根据描述生成符合要求的人物形象，并混合多张人物特征，创造全新人物。PhotoMaker还能改变照片中人物的性别和年龄，生成多种风格的照片，效果自然且快速。Github和Huggingface在文章底部

现有的个性化生成方法难以同时实现高效率、身份保真度和灵活文本控制。PhotoMaker通过将多个输入ID图像编码为堆栈式ID嵌入，保留身份信息，全面封装同一ID的特征，并整合不同ID特征，提供更大灵活性。

此外，PhotoMaker提出了一种面向ID的数据构建管道来组装训练数据，展示了优于测试时微调方法的ID保真能力，同时提供显著的速度改进、高质量生成结果、强大泛化能力和广泛应用。

实现原理

首先从文本编码器和图像编码器获取文本嵌入和图像嵌入，例如结合训练集中的男士头像生成图像嵌入，描述为“一个男士的图像”；结合训练语料生成文本嵌入，描述为“男士带着蓝色帽子”，如“穿着西装，打着领带，翻领上有徽章”。

接着，将所有融合的嵌入沿长度维度连接，形成堆叠ID嵌入，类似于使用Concat融合特征。最后，将堆叠ID嵌入提供给交叉关注层，自适应合并扩散模型中的ID内容。尽管训练时使用掩蔽背景的相同ID图像，但推理时可直接输入不同ID图像，无背景失真，创建新ID，即PhotoMaker具备结合背景独立创新图像的能力。

更新的PhotoMaker V2仍然保持了PhotoMaker V1的生成质量、可编辑性和对任何插件的兼容性。还提供了与ControlNet、T2I-Adapter和IP-Adapter集成的脚本，以提供出色的控制能力。

具体样例

可以通过文字描述捕捉到单个ID的细微特征，然后实现角色重塑。

将艺术品或老照片中的人物带入现实，通过输入艺术画作、雕塑或人物老照片。

PhotoMaker 不仅能够生成逼真的人体照片，而且还允许在保留 ID 属性的同时进行风格化。

通过简单地替换类别词（例如男人和女人），PhotoMaker可以在保持原始身份的同时实现性别和年龄的变化。

如果用户提供不同ID的图像作为输入，PhotoMaker可以很好地融合不同ID的特征以形成一个新的ID。

对于身份混合，PhotoMaker可以通过控制输入图像池中身份图像的百分比或通过提示加权的方法来调整合并率。

与其他方法相比，PhotoMaker 可以同时满足高质量和多样化的生成能力、良好的可编辑性、高推理效率和强大的 ID 保真度。

https://github.com/TencentARC/PhotoMakerhttps://huggingface.co/spaces/TencentARC/PhotoMaker-V2

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-06-14

从天价咨询到免费AI，夸克能改变志愿填报这门生意吗？

2025-06-14

开源破局，中国AI正在改写全球竞争格局！

2025-06-13

MinerU-利用专用LLM模型提取PDF内容的工具实测

2025-06-13

官宣|Milvus 2.6正式开源：内存减少 72%，速度比ES快4倍

2025-06-13

CoCo：全球首个“有记忆”的企业级AI Agent

2025-06-13

OpenAI 三连更：Team 上线 o3-pro、o3 额度翻倍、Projects 大升级！

2025-06-13

Manus免费版来了！两大核心更新功能实测

2025-06-13

[开源]RAGFlow: 基于深度文档理解的开源RAG引擎

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

Dify新版本部署失败的看过来！Dify 1.0.0本地部署使用及主要问题解决方法

2025-03-19

基于 Deepseek LLM 本地知识库搭建开源方案(AnythingLLM、Cherry、Ragflow、Dify)认知

2025-03-19

火爆 AI 编程圈的 MCP 到底是个什么东西？

2025-03-17

MCP服务介绍及应用场景报告-来自Manus

2025-04-01

47.3K star！这款开源RAG引擎真香！文档理解+精准检索+可视化干预，一站式搞定！

2025-04-01

15个最佳开源 RAG 框架选型指南

2025-04-13

源神降临！阿里 Qwen3 全系发布，免费商用，消费级显卡就能跑！(深度解读 + 实战case)

2025-04-29

CAMEL-AI Blog｜OWL调用MCP Toolkit实践

2025-03-19

字节跳动开源 LangManus：不止是 Manus 平替，更是 AI 自动化新引擎

2025-03-23

万字赏析 DeepSeek 创造之美：DeepSeek R1 是怎样炼成的？

2025-03-22

大家都在问

从天价咨询到免费AI，夸克能改变志愿填报这门生意吗？

2025-06-14

开源RAG项目到底如何选型？

2025-06-10

免费开源的 Nanobrowser，竟成Web自动化的 “隐形高手”？

2025-06-08

如何管理和调度Dify工作流？

2025-05-28

字节开源文档解析Dolphin，PDF解析效率提升83%，到底行不行？

2025-05-28

蚂蚁集团开源antv的MCP服务：AI智能体与数据可视化的桥梁如何搭建？

2025-05-26

拆解OpenAI最大对手的杀手锏：为什么会是MCP？

2025-05-25

从基础大模型到场景适配，企业如何做好商业化最后一公里？

2025-05-23

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB